Formation DP-100 : Concevoir et implémenter une solution de science de donnée sur Azure

Concevoir une stratégie d’ingestion de données pour des projets Machine Learning

• Identifier votre source de données et votre format
• Distribuer des données aux workflows Machine Learning
• Concevoir une solution d’ingestion de données

Concevoir une solution de formation de modèle Machine Learning

• Identifier les tâches Machine Learning
• Choisir un service pour effectuer l’apprentissage d’un modèle
• Choisir entre les options de calcul

Concevoir une solution de déploiement de modèle

• Comprendre comment un modèle est consommé.
• Déployer votre modèle sur un point de terminaison de traitement par lots ou en temps réel.

Explorer les ressources et les actifs de l’espace de travail Azure Machine Learning

• Créer un espace de travail Machine Learning.
• Identifier les ressources et composants.
• Effectuer l’apprentissage des modèles dans l’espace de travail.

Explorer les outils de développement pour l’interaction de l’espace de travail

• Explorer Azure Machine Learning studio
• Explorer le kit SDK Python
• Explorer l’interface de ligne de commande Azure CLI

Rendre les données disponibles dans Azure Machine Learning

• Utiliser des Uniform Resource Identifiers (URI)
• Créer et utiliser des magasins de données.
• Créer et utiliser des ressources de données

Utiliser des cibles de calcul dans Azure Machine Learning

• Choisir la cible de calcul appropriée.
• Créer et utiliser une instance de calcul.
• Créer et utiliser un cluster de calcul

Utiliser des environnements dans Azure Machine Learning

• Comprendre les environnements dans Azure Machine Learning.
• Explorer et utiliser des environnements curés.
• Créer et utiliser des environnements personnalisés.

Trouver le meilleur modèle de classification avec le Machine Learning automatisé

• Préparer vos données en vue d’utiliser AutoML pour la classification.
• Configurer et exécuter une expérience AutoML.
• Évaluer et comparer des modèles.

Suivre la formation du modèle dans les notebooks Jupyter avec MLflow

• Configurer de MLflow à des fins d’utilisation dans les notebooks
• Utiliser de MLflow pour le suivi des modèles dans les notebooks

Exécuter un script d’entraînement en tant que travail de commande dans Azure Machine Learning

• Convertir un notebook en script.
• Tester des scripts dans un terminal.
• Exécuter un script en tant que travail de commande.
• Utiliser des paramètres dans un travail de commande.

Suivre la formation du modèle avec MLflow dans les travaux

• Utiliser MLflow lorsque vous exécutez un script en tant que travail.Utiliser MLflow lorsque d’une exécution d’un script en tant que travail.
• Passer en revue les métriques, les paramètres, les artefacts et les modèles à partir d’une exécution.

Exécuter des pipelines dans Azure Machine Learning

• Créer des composants.
• Générer un pipeline Azure Machine Learning.
• Exécuter un pipeline Azure Machine Learning

Effectuer le réglage des hyperparamètres avec Azure Machine Learning

• Définir un espace de recherche des hyperparamètres.
• Configurer l’échantillonnage des hyperparamètres.
• Sélectionner une stratégie d’arrêt anticipé.
• Exécuter un travail de balayage.

Déployer un modèle sur un point de terminaison en ligne managé

• Utiliser des points de terminaison en ligne managés.
• Déployer votre modèle MLflow sur un point de terminaison en ligne managé.
• Déployer un modèle personnalisé sur un point de terminaison en ligne managé.
• Tester des points de terminaison en ligne.

Déployer un modèle sur un point de terminaison de lot

• Créer un point de terminaison de lot.
• Déployer votre modèle MLflow sur un point de terminaison de lot.
• Déployer un modèle personnalisé sur un point de terminaison de lot.
• Appeler des points de terminaison de lot.

Cette formation sera principalement constituée de théorie et d’ateliers techniques qui permettront d’être rapidement opérationnel.

• Support : un support de cours officiel Microsoft sera remis aux participants au format électronique.
• Travaux pratiques : un Lab sera remis aux participants, il restera accessible 180 jours après son activation.
• Evaluation : les acquis sont évalués tout au long de la formation et en fin de formation par le formateur (questions régulières, travaux pratiques, QCM ou autres méthodes).
• Formateur : le tout animé par un consultant-formateur expérimenté, nourri d’une expérience terrain, et accrédité Microsoft Certified Trainer.
• Satisfaction : à l’issue de la formation, chaque participant répond à un questionnaire d’évaluation qui est ensuite analysé en vue de maintenir et d’améliorer la qualité de nos formations. Les appréciations que vous avez formulées font l’objet d’un enregistrement et d’une analyse qualitative de la formation et du formateur. Cellenza Training dispose d’un processus qualité qui prend en considération les retours des participants afin d’être proactif quant à la solution corrective adaptée.
• Suivi : une feuille d’émargement par demi-journée de présence est signée par chacun des participants.

Cette formation peut être dispensée en format inter-entreprise ou intra-entreprise sur demande et en mode présentiel comme en distanciel.

Les participants doivent avoir :

• Une expertise en Data Science et savoir appliquer la science des données et
  l’apprentissage automatique pour mettre en œuvre et exécuter des charges de travail d’apprentissage automatique sur Azure,
• Des connaissances et de l’expérience en science des données en utilisant Azure Machine Learning et Azure Databricks.

Avoir suivi la formation « DP-900 Microsoft Azure Data Fundamentals » ou avoir un niveau équivalent est recommandé.

Les supports de cours et les travaux pratiques sont en anglais. Un niveau d’anglais B1 est requis pour suivre cette formation. Retrouvez les niveaux de langue sur ce lien : Classification des niveaux de langue

Il est fortement recommandé de suivre ce cours sur un ordinateur et de disposer d’un double écran pour plus de confort.

• Métro 9 : Miromesnil
• Métro 13 : Saint-Philippe-du-Roule
• Bus 22-43-52 : Courcelles ou Miromesnil
• Bus 84 : Ruysdaël – Parc Monceau

Cette formation ouvre la porte à la certification Microsoft « DP-100 – Designing and Implementing a Data Science Solution on Azure », nous vous recommandons l’inscription à l’examen environ 1 mois après le passage de la formation. Les supports de cours et les Labs transmis lors de la formation vous aideront à réviser correctement votre certification.

Le voucher de certification vous est offert, il vous sera délivré en fin de formation. L’inscription à une certification se fait sur le site de Microsoft. Si vous souhaitez vous faire accompagner dans cette démarche, contactez-nous.